The invention relates to a ranking recommendation method based on cross domain ranking recommendation model. At the same time, the adaptive user clustering is used to calculate the similarity between the user and the user cluster based on the target domain and the auxiliary domain. Then the user similarity is weighted by the cross domain user similarity, and the cross domain similarity constraint is used to transfer the feature information between the users in different fields. A cross domain ranking recommendation model for joint list prediction and score prediction. The invention effectively improves the accuracy of ranking recommendation and effectively solves the sparsity problem of target scoring data in collaborative filtering recommendation.
【技术实现步骤摘要】
一种基于跨领域排名推荐模型的排名推荐方法
本专利技术涉及推荐系统、迁移学习、矩阵分解、数据挖掘等研究领域,具体涉及一种基于跨领域排名推荐模型的排名推荐方法。背景知识信息技术的高速发展使得用户可方便地从互联网上获取各种各样的信息,用户在享受着信息时代的便利时也面临着巨大的困扰,这是因为互联网上纷繁多样的信息往往让用户眼花缭乱,无所适从,无法迅速有效地获取到有价值的信息,从而产生了信息过载问题。通过为用户提供个性化的推荐服务,推荐系统可有效地解决信息过载问题。例如,知名的Amazon、eBay,阿里巴巴、京东等国内外电商通过推荐系统挖掘用户个性化的潜在偏好,并针对不同用户分别提供高效的个性化推荐服务,在为商家带来巨大效益的同时也显著改善了用户体验。如何设计一个优良的推荐系统成为有重大研究意义的热点问题。目前推荐系统主要基于评分预测或排名预测进行推荐,我们先通过两个例子来说明基于评分预测的推荐和基于排名预测的推荐之间的区别与联系:(1)假设用户i对项目a和项目b的评分值分别为3和2,有两个推荐系统预测用户i对项目组合(a,b)的评分,预测结果分别为(2,3)和(4,1)。根据评分预测准确度的评价指标,例如平均绝对误差MAE(MeanAbsoluteError)和均方根误差RMSE(RootMeanSquareError),这两个推荐系统的预测准确度将是相同的;另外从排名的角度可以看出,预测评分组合(4,1)可以真实体现用户i更偏好项目a这一情况,而预测评分组合(2,3)得到的是错误的偏好排名,(4,1)比(2,3)的排名准确度更高。这说明,评分预测准确度指标 ...
【技术保护点】
1.一种基于跨领域排名推荐模型的排名推荐方法,其特征在于,利用辅助评分矩阵Ra进
【技术特征摘要】
1.一种基于跨领域排名推荐模型的排名推荐方法,其特征在于,利用辅助评分矩阵Ra进行迁移学习,辅助目标评分矩阵R中的成列排名推荐;其中R∈RM×N表示M个用户对N个项目的评分;Z∈{0,1}为指标矩阵,若用户i对项目j进行了评分,则Zij=1;否则Zij=0;表示Ma个用户对Na个项目的评分;Ra对应的指标矩阵为Za,这里Za的定义类似Z;Ra和R中的用户有一部分是重叠的,包括以下步骤:步骤1,学习跨领域用户之间的相似度;步骤2,迁移跨领域用户之间的特征信息;步骤3,联合评分预测和列表预测进行排名推荐,具体是综合步骤2中以f2为目标函数的评分预测以及以TOP定义排名损失的列表预测进行排名推荐。2.根据权利要求1所述的一种基于跨领域排名推荐模型的排名推荐方法,其特征在于,所述步骤1通过自适应的方式学习跨领域用户之间的相似度,在学习过程中,不用预先限定目标领域和辅助领域中的用户聚类数量,只需通过K均值方法随机指定初始的用户聚类,然后利用交替最优化方法自适应地迭代求解即可,在迭代过程中,初始聚类会自动得到优化;目标最优化问题为这里C和Ca为聚类指标矩阵,分别为目标领域和辅助领域的聚类指标矩阵,其中Cij表示目标领域中用户i属于聚类j的概率,(Ca)i'j'表示辅助领域中用户i'属于聚类j'的概率;为目标领域和辅助领域之间基于聚类的跨领域相似度,其中(SY)ij表示目标领域中的聚类i和辅助领域中的聚类j之间的相似度,c和ca分别为目标领域和...
【专利技术属性】
技术研发人员:吴黎兵,牛中超,王俊,李石君,
申请(专利权)人:武汉大学,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。